Новости

В рамках проекта, реализованного ДВФУ, в виртуальную инфраструктуру «Публичного облака» переведено порядка 180 Тбайт данных, восстановленных из резервных копий и развернутых «с нуля». Теперь инфраструктура кампуса полностью переведена в облако: на его базе работают административные системы (бухгалтерия, кадровый учет, управление предприятием), внутренние образовательные сервисы (учебные порталы, расписание) и внешние информационные ресурсы, включая сайт университета.

«Публичное облако» создано РТК-ЦОД на базе собственной облачной платформы, зарегистрированной в реестре отечественного программного обеспечения.

Для обеспечения высокой скорости и надежности работы специалисты организовали выделенное VPN-соединение между университетом и облачной платформой, а также синхронизировали инфраструктуры для бесперебойного функционирования информационных ресурсов. Над проработкой схемы сети и координацией перехода на новую инфраструктуру работала команда, включавшая технических аккаунт-менеджеров, архитекторов, группы систем резервного копирования и представителей информационной безопасности.

Как отмечает Андрей Мушатенко, директор по цифровой трансформации ДВФУ, проект миграции в облако стал важным этапом в построении современной цифровой экосистемы университета. ДВФУ получил высокодоступную, отказоустойчивую и масштабируемую ИТ-инфраструктуру, полностью адаптированную под задачи крупного образовательного и научного центра. Облачные технологии открывают для вуза новые горизонты — от оперативного масштабирования ресурсов в пиковые периоды до анализа больших данных и цифровых двойников. Это создает прочную основу для поддержки передовых образовательных инициатив, международного сотрудничества и научных исследований.

Перед РСХБ стояла задача заменить зарубежный продукт российским аналогом, полностью соответствующим всем требованиям регуляторов. Проект импортозамещения был реализован без остановки критически важных бизнес-процессов и с сохранением высокой производительности. За координацию и внедрение проекта отвечала компания РСХБ-Интех – дочерняя структура банка.

На первом этапе реализации проекта специалисты Content AI провели аудит ИТ-инфраструктуры, уделив особое внимание интеграциям и кастомным скриптам, чтобы избежать проблем при переходе на новую платформу. Далее развернули тестовый контур, где проверили обработку более 130 типов документов. Для этого были использованы три категории тестов: с идеальными данными, с ошибками и с некорректной информацией. Особое внимание уделили end-to-end тестированию для проверки всей цепочки интеграций. Миграция заняла девять месяцев.

Переход на российскую платформу позволил оптимизировать процессы, сократить время обработки документов и повысить качество сервиса. ContentCapture не только заменил зарубежный аналог, но и открыл новые возможности для расширения автоматизации бизнес-процессов работы с документами.

Оценка проводилась через изучение четырех областей: организацию закупок, управление поставщиками, автоматизацию закупочного процесса и стратегию работы с рынком. Результаты показали, что в среднем у 60% крупных и средних компаний через электронные торговые площадки проходит более 50% общего объема закупок. Около 50% поставок покрыты электронным документооборотом. Автоматизация других этапов не превышает 30%-40%, а высокий уровень использования SRM-модулей, полноценного скоринга, бесшовных интеграций и веб-сервисов характерен только для 11% участников, что говорит о большом потенциале для дальнейшей цифровизации рынка.

55% компаний эффективно адаптировались к уходу западных поставщиков: нашли альтернативные источники, организовали работу с аналогами и перестроили логистические цепочки. При этом управление поставщиками остается ключевой задачей закупщиков. Лишь 15% не ведут работу в этом направлении, однако только 25% автоматизировали оценку партнеров.

70% компаний используют гибридную структуру управления закупками: в большей степени централизованы методология и управление поставщиками. Распределение ответственности характерно для закупок стандартной номенклатуры, контроля исполнения и оплаты. В подавляющем большинстве компаний закупки проводят профильные специалисты, при этом их нагрузка остается высокой – в 60% один сотрудник проводит более 10 процедур в месяц.

Лидирующими отраслями в развитии закупочной функции стали металлургия и добыча, химическая промышленность и строительство. Для них характерен высокий уровень автоматизации закупок. При этом в строительном секторе основное внимание уделяется управлению НСИ, потребностям и отчетности, для металлургов и химиков важнее работа с поставщиками и категорийное управление. В рамках исследования было отмечено, что более 70% всех опрошенных компаний применяют категорийные стратегии для эффективной работы с конкретными рынками и контрагентами.

Сегодняшний рынок продаж стремительно меняется — и все больше компаний делают ставку на искусственный интеллект. Согласно свежему отчету, опубликованному Gartner, ИИ-агенты, основанные на больших языковых моделях (LLM), становятся не просто помощниками, а полноценными автономными игроками в командах продаж.

От ассистентов к автономным агентам

В Gartner отмечают, что современные ИИ-агенты способны не только выполнять отдельные задачи по команде, но и самостоятельно планировать и реализовывать целые процессы: от квалификации лидов до ведения коммуникации с клиентами и последующего взаимодействия. Это снимает с продавцов рутинные обязанности и позволяет им сосредоточиться на действительно важных вещах — построении отношений и заключении сделок.

Ключевые вызовы внедрения

Однако внедрение ИИ-агентов — задача не из простых. Главные препятствия, по данным Gartner, — это качество данных и зрелость внутренних процессов. Если данные неполные или неточные, ИИ-агенты не смогут работать эффективно. Поэтому компаниям необходимо инвестировать в управление данными и развивать цифровую грамотность сотрудников.

Как строить доверие к ИИ

Для успешной интеграции ИИ-агентов важно обеспечить прозрачность их работы, регулярно проверять результаты и обучать команды новым технологиям. В Gartner советуют вовлекать продавцов в процесс внедрения, чтобы ИИ-агенты работали в связке с существующими стратегиями продаж, а не вразрез с ними.

Команда, готовая к ИИ

Чтобы быть на шаг впереди, лидеры продаж должны делать ставку на обучение, развитие навыков и формирование культуры сотрудничества между людьми и ИИ. Важно показать, что ИИ — это не замена, а усиление человеческих возможностей.

ИИ-агенты — это уже не просто модный тренд. Они становятся реальным инструментом для ускорения и оптимизации продаж. Но чтобы раскрыть их потенциал, компаниям придется серьезно поработать над качеством данных, внутренними процессами и обучением команд.

Аналитики Gartner поделились рекомендациями для маркетологов, стремящихся повысить коммерческую ценность персонализированных цифровых взаимодействий с клиентами. В Gartner рекомендуют маркетологам пересмотреть подходы к персонализации, делая упор на прозрачность, этичность и работу с данными, которые клиент готов предоставить. Такой подход не только повышает коммерческую отдачу, но и помогает выстраивать долгосрочные отношения с клиентами.

Персонализация: путь к росту продаж

Согласно свежему исследованию Gartner, клиенты, которые ощущают персонализированный подход, в 1,8 раза чаще готовы платить больше и в 3,7 раза чаще совершают незапланированные покупки. Однако почти половина персонализированных сообщений воспринимается как «странные» или нерелевантные — это сигнал к пересмотру стратегий персонализации.

Прозрачность и этичность в работе с данными

Эксперты Gartner подчёркивают: ключ к эффективной персонализации — использовать только те данные, которые клиент осознанно и добровольно предоставил. Такой подход не только снижает риск «навязчивости», но и укрепляет доверие между брендом и клиентом.

Генеративный ИИ — только с открытостью

Внедрение генеративного ИИ в коммуникации требует максимальной прозрачности. Компании должны прямо информировать клиентов о применении ИИ, чтобы повысить уровень доверия и обеспечить этичное использование данных.

Выбор правильных каналов коммуникации

Успех персонализированных кампаний зависит от выбора оптимальных каналов взаимодействия: электронная почта, СМС-сообщения, push-уведомления, мессенджеры и др. Важно не просто «быть везде», а грамотно подбирать инструменты под задачи и этапы клиентского пути.

Операторы консультационного центра ДОМ.РФ ежемесячно обрабатывают более 50 тыс. обращений об ипотеке, программам государственной поддержки, покупке, аренде и другим жилищным вопросам, поступающим на горячую линию, в чаты и на электронную почту центра. Первоначальными задачами при внедрении системы речевой аналитики была автоматизация контроля качества в контакт-центре и построение системы анализа коммуникаций во всех каналах в формате «одного окна».

Для автоматизации контроля качества решение на базе Naumen CI использует семантические ML-модели — система позволяет гибко настроить чек-листы автооценки по ключевым событиям в диалоге в канале оператора и клиента — негатив, часто повторяющиеся фразы, отработка оператором возражений и др. Это сокращает время на анализ диалогов и высвобождает ресурс менеджеров по контролю качества в пользу бизнес-задач.

Для всестороннего исследования клиентского пути речевая аналитика расширяет поле анализа — помимо всех голосовых и текстовых коммуникаций, в систему также попадают оценки CSI, обратная связь операторам от клиентов и данные из CRM-системы. Аккумулировать большие данные о звонках помогает бесшовная интеграция Naumen CI и платформы Naumen Contact Center — причем в систему попадают не только сами аудиозаписи, но и все параметры звонка, что дает возможность учитывать максимальное количество факторов в рамках анализа.

В результате обработка 11% входящих звонков по статусу заявки была автоматизирована переводом клиента на интерактивное голосовое меню — клиенты консультационного центра ДОМ.РФ теперь получают информацию по статусу быстрее. В 10% входящего трафика удалось оптимизировать клиентский путь за счет определения тематик, по которым операторы не консультируют самостоятельно.

По результатам анализа трафика с помощью речевой аналитики компания скорректировала маршрутизацию для 7% звонков, которые поступали в контакт-центр, но изначально были адресованы в другие подразделения. Также с помощью речевой аналитики удалось выявить и исключить из трафика 0,5% звонков голосовых ботов. Это позволило сократить среднее время обработки сообщений и повысить уровень удовлетворенности клиентов качеством сервиса.

В ходе анализа удалось выявить дополнительные зоны роста и использовать эти инсайты для улучшения клиентского сервиса. В том числе для выявления причин повторных звонков и сокращения Contact Rate за счет проактивной работы клиентами, например, путем информирования их на других ресурсах, снимая их возможные вопросы до звонка в контакт-центр.

Модуль «Контроль качества», внедренный на площадках «ТИС», автоматизирует работу строительного контроля. Процесс создания заявки занимает от 15 до 60 секунд, а встроенная библиотека типовых замечаний ускоряет заполнение за счет автоматических подсказок. Отслеживать статус на объекте можно при помощи интерактивной карты, на которой в режиме онлайн отображается, где находятся активные заявки и по каким из них уже истекли сроки.

Сотрудники ГК «ТИС» фиксируют замечания прямо на объекте через мобильное приложение. Достаточно их сфотографировать, добавить описание, выбрав необходимое из готовых чек-листов, и отметить проблему на плане здания — так подрядчик быстрее найдет и устранит ее.

В решении «Контроль качества» реализована возможность формирования отчетов в самых востребованных форматах по всем замечаниям на объекте, что упрощает анализ и позволяет легко передавать информацию подрядчику. Индикатор фактической готовности дает возможность эффективно управлять ресурсами и сроками.

Как отмечает Алексей Тутубалин, директор по строительству ГК «ТИС», ключевой задачей для компании была цифровизация контроля качества с одновременным сокращением бумажного документооборота и рутинных операций. При этом важным критерием была эргономичность интерфейса и комплексность функционала. На первом этапе был запущен пилотный проект с участием 80 специалистов, включая подрядчиков, чтобы оценить работу модуля. Решение получило высокую оценку: все интегрировано в единую систему, процесс прозрачен для всех участников, интуитивно понятный интерфейс, все действия выполняются в несколько кликов. Особенно стоит отметить рекордные сроки адаптации – уже через месяц после старта проекта вcе участники процесса активно использовали систему на реальных объектах.

Решение «Контроль качества» состоит из веб-версии и мобильного приложения, которое разработано для Android и iOS, все данные синхронизируются в защищенном облачном хранилище с многоуровневым доступом для всех участников проекта. Приложение стабильно работает оффлайн, поэтому его можно использовать в местах без постоянного доступа в интернет. Отсутствие стабильного подключения к сети не снизит эффективность работы стройконтроля.

СберУниверситет — образовательный центр для топ-менеджеров и руководителей. Ежегодно на очных и смешанных программах обучается более 40 тыс. человек. В 2023 году команда СберУниверситета реализовала проект по автоматизации процесса ценообразования для финансового отдела. С учетом результатов внедрения было принято решение расширить проект автоматизации и перенести в Optimacros процесс бизнес-планирования.

Команда проекта при помощи «Корус Консалтинг» настроила в системе драйверную модель для формирования бюджета доходов и расходов с использованием нормативов, календарных планов и смет. Для повышения скорости и качества сбора данных специалисты реализовали дашборды для пользователей по ролям и разграничили права доступа к информации.

Дополнительно выполнена двухсторонняя интеграция с платформой бухгалтерского и управленческого учета «1С:БИТ-Финанс», что позволило транслировать данные бизнес-плана в учетную систему для осуществления функции бюджетного контроля и проводить план-факт анализ в Optimacros.

Реализация проекта проходила поэтапно, на основе спринтов, для которых выбирались задачи, наиболее приоритетные на ближайший месяц. Промежуточные результаты оценивались еженедельно, и в случае необходимости специалисты вносили корректировки. Благодаря такому подходу к работе эксперты финансового отдела СберУниверситета могли оперативно отслеживать движение по проекту, менять требования с учетом новых внутренних вводных и при этом быстро получать готовую к работе функциональность.

Особенностью проекта стали высокие требования к эстетичной и удобной для пользователей визуализации данных на дашбордах и к общему пользовательскому опыту при работе с решением. В результате система получилась не только функциональной, но и объективно красивой.

В процессе автоматизации финансовый отдел СберУниверситета провел ревизию аналитик и правил управленческого учета, изменил отдельные подпроцессы для более эффективной работы систем и пользователей и поставил процесс улучшений на регулярные рельсы. Все фактические данные, попадающие в драйверную модель, проходят встроенные проверки, и при ежедневной интеграции формируются отчеты о качестве данных с указанием конкретных ошибок и нестыковок.

Мобильное приложение для сотрудников эксплуатационных служб представляет собой программное обеспечение, которое предназначено для осуществления контроля производственного персонала в части обходов и осмотров оборудования, регистрации отклонений параметров работы оборудования. Внедренное решение позволяет своевременно выявить проблемы безопасности на контролируемых объектах через их непосредственный визуальный осмотр и инструментальную оценку состояния оборудования.

Сотрудник, производя обход рабочего места перед осмотром технологического оборудования, трубопроводов, насосов, агрегатов, сканирует мобильным терминалом метку, расположенную на осматриваемой позиции. Благодаря использованию NFC-меток на производстве существенно сократилось время обходов и повысилась достоверность предоставляемых данных. Данное приложение полностью интегрировано с модулем ERP ИСА ТОиР.

На данный момент «Мобильный обходчик» внедрен на участке измельчения и флотации обогатительной фабрики. Создано два маршрута общей протяженностью 129 меток. Использование приложения позволило достичь сокращения затрат на ликвидации аварий и простоев оборудования, а также обеспечило рост исполнительской и технологической дисциплины.

По мере того как инвестиции в искусственный интеллект стремительно растут, в большинстве компаний до сих пор неясно, кто именно отвечает за внедрение и развитие ИИ-инициатив. Согласно свежему исследованию аналитической компании Gartner, для эффективного внедрения ИИ финансовым лидерам необходимо четко понимать свою роль в этих процессах.

По мнению аналитиков, руководители многих организаций ожидают, что финансовые подразделения будут не только участвовать, но и лидировать во внедрении ИИ — от сотрудничества с поставщиками до стратегического взаимодействия с ИТ и управления внутренними проектами. Руководителям финансовых служб предстоит совмещать контроль и управление ИИ-проектами с привычными для них ежедневными задачами. Среди ключевых обязанностей — оценка бизнес-кейсов, контроль за использованием финансовых данных, а также валидация и интерпретация аналитических результатов.

Три роли для финансистов в ИИ

Внедрение ИИ в финансовую функцию требует от руководителей финансовых подразделений активного участия и четкого понимания своей роли. Эксперты выделяют три основные модели вовлечения финансовых лидеров в ИИ-инициативы. Рассмотрим каждую из них подробнее.

1. Адвокат пользователей (End User Advocate)

В этой роли финансовый лидер выступает как эксперт по бизнес-процессам и специфике финансовой деятельности. При покупке готового ИИ-решения он:

• формулирует бизнес-процессы, требования и предпочтения, которые должен учитывать ИИ;
• активно участвует в тестировании и отладке решения, выявляя проблемы и предлагая улучшения;
• обеспечивает документирование инструкций и правил работы с ИИ-системой для конечных пользователей;
• формирует понимание того, как именно ИИ интегрируется в повседневную работу финансового отдела.

Эта роль требует глубокого знания бизнеса, но не предполагает технической разработки или программирования.

2. Соразработчик (Co-Developer)

Финансовый лидер в этой роли соразработчика становится связующим звеном между бизнесом и техническими специалистами. Его задачи включают:

• определение проблем и задач, которые нужно решить с помощью ИИ;
• формулирование требований и ограничений для технической команды;
• участие в пилотных тестах от лица конечных пользователей;
• внедрение управленческих механизмов, включая контроль качества данных и обеспечение доступа к ним;
• валидация результатов работы ИИ, чтобы гарантировать соответствие бизнес-целям.

Таким образом, финансовый лидер становится активным участником создания и адаптации ИИ-решений, сочетая бизнес-экспертизу с управлением проектом.

3. Пионер (Pioneer)

Роль пионера предполагает радикальное расширение компетенций финансовой функции и превращение ее в центр инноваций.

•  Финансовый лидер берет на себя не только координацию, но и непосредственное участие в технической разработке.
•  Формирует и развивает внутри финансовой команды технических специалистов, которые занимаются созданием и внедрением ИИ.
•  Осваивает технические знания, чтобы уверенно вести диалог с инженерами и исследователями данных.
•  Ведет стратегическое управление цифровой трансформацией финансовой функции, внедряя новые технологии и подходы.

Эта роль требует значительных инвестиций в обучение и развитие команды, а также готовности к изменениям в организационной структуре и культуре.

***

ИИ становится неотъемлемой частью финансовых стратегий, и успех внедрения во многом зависит от того, насколько четко финансовые лидеры определят свои роли и зоны ответственности в новых технологических реалиях.